Python做量化|使用AlgoPlus接收期货实时行情
Python做量化|使用AlgoPlus接收期货实时行情
金融领域也是 Python 的重要方向之一，我知道有一些读者就是冲着做量化交易才接触 Python 的。今天给大家分享一个使用 Python 的期货交易API。
量化交易在国内发展方兴未艾。因为T+0且允许做空的交易制度、交易所的大力推动、信息技术红利带来的赚钱效应培养了一大批拥趸等原因，量化交易在期货行业起步比较早，而且发展比较成熟。
虽然各期货交易所都开发了自己的交易后台，但是上期所的CTP仍是目前使用最广泛的。所以，对于想从事量化研究、交易的同学们而言，学习CTP开发是一门必修课。本文就带大家了解一下CTP，并给大家介绍一个python版CTP交易接口——AlgoPlus
关于CTP
CTP是Comprehensive Transaction Platform的简称。CTP有MdApi和TraderApi两个独立的开放接口。
MdApi负责行情相关操作（订阅、接收）。
TraderApi负责交易相关的操作（买、卖、撤、查）。
MdApi与TraderApi方法的执行过程都是异步的，每一个请求都对应一个或多个负责接收执行结果的回调函数。例如，通过ReqOrderInsert方法向交易所发出买开仓指令，对应的回调方法OnRtnOrder可以实时接收交易所服务器发回来的执行通知。
关于AlgoPlus
上期所CTP的官方API只支持C++语言，除非有开发经验，否则不推荐直接使用C++语言开发。
python语言在许多领域被非常广泛的应用，量化交易也不例外。本文给大家介绍的AlgoPlus就是对官方CTP封装的python版量化投资接口。相比较其他Python版CTP，AlgoPlus具有以下特点：
- 忠实于CTP官方特性。简单的说，AlgoPlus就是官方CTP的python翻译版，没有过度的封装，让交易者根据自己的实际情况选择官方设计的功能。
- 使用Cython、ctypes技术封装，即能实现了低延时的要求，又能兼容python语言的易用性。经过严格测试，AlgoPlus从策略触发交易信号到调用C++方法，延时只有40微秒左右。
- 从实战的角度为同学们展示量化策略的开发过程，例如趋势策略、套利策略、风控策略、执行算法等教程。
安装AlgoPlus
第一步：安装Anaconda。
第二步：使用pip install algoplus命令安装。
当你看到以下内容时：
Processing dependencies for AlgoPlus==1.5
Finished processing dependencies for AlgoPlus==1.5
请按任意键继续. . .安装成功！
注册模拟账号
1、Simnow是上海期货交易所旗下技术公司维护的一套模拟交易系统，只需注册账号即可免费使用：http://www.simnow.com.cn/
2、在常用下载页面下载一个客户端，方便实时查看模拟交易情况：http://www.simnow.com.cn/static/softwareDownload.action
3、记录个人主页中的InvestrorID，以及产品与服务页面中的服务器地址。配置账户参数时需要使用这些信息。
配置账户信息
FutureAccountInfo是一个期货账户类，包括broker_id（所属期货公司的标识），server_dict（行情与交易服务器地址），reserve_server_dict（备用服务器地址）、investor_id（账户）、password（密码）、app_id（客户端ID，与auth_code对应，监管要求）、auth_code（客户端ID对应的授权码，监管要求）、instrument_id_list（订阅合约列表）、md_page_dir（行情相关文件存放地址）、td_page_dir（交易相关文件存放地址）。
将所有的账户信息存放入my_future_account_info_dict字典中。创建交易接口实例时找到相应的账户信息作为参数。
# -*- coding: utf-8 -*-
BASE_LOCATION = "." # 根目录地址
MD_LOCATION = BASE_LOCATION + "\\MarketData" # 行情数据地址
TD_LOCATION = BASE_LOCATION + "\\TradingData" # 交易数据地址
SD_LOCATION = BASE_LOCATION + "\\StrategyData" # 策略数据地址
class FutureAccountInfo:
def __init__(self, broker_id, server_dict, reserve_server_dict, investor_id, password, app_id, auth_code, instrument_id_list, md_page_dir=MD_LOCATION, td_page_dir=TD_LOCATION):
self.broker_id = broker_id # 期货公司BrokerID
self.server_dict = server_dict # 服务器地址。TDServer为交易服务器，MDServer为行情服务器。服务器地址格式为"ip:port"
self.reserve_server_dict = reserve_server_dict # 备用服务器地址
self.investor_id = investor_id # 账户
self.password = password # 密码
self.app_id = app_id # 认证使用AppID
self.auth_code = auth_code # 认证使用授权码
self.instrument_id_list = instrument_id_list # 订阅合约列表[]
self.md_page_dir = md_page_dir # MdApi流文件存储地址，默认MD_LOCATION
self.td_page_dir = td_page_dir # TraderApi流文件存储地址，默认TD_LOCATION
my_future_account_info_dict = {
# 交易时间测试
'SimNow': FutureAccountInfo(
broker_id='9999' # 期货公司BrokerID
# TDServer为交易服务器，MDServer为行情服务器。服务器地址格式为"ip:port"
, server_dict={'TDServer': "180.168.146.187:10100", 'MDServer': '180.168.146.187:10110'}
# 备用服务器地址
, reserve_server_dict={'电信1': {'TDServer': "180.168.146.187:10100", 'MDServer': '180.168.146.187:10110'},
'电信2': {'TDServer': "180.168.146.187:10101", 'MDServer': '180.168.146.187:10111'},
'其他1': {'TDServer': "180.168.146.187:10130", 'MDServer': '180.168.146.187:10131'}, # 7*24
'其他2': {'TDServer': "218.202.237.33:10102", 'MDServer': '218.202.237.33:10112'}, # 移动
}
, investor_id='' # 账户
, password='' # 密码
, app_id='simnow_client_test' # 认证使用AppID
, auth_code='0000000000000000' # 认证使用授权码
# 订阅合约列表
, instrument_id_list=[b'rb2001', b'fu2001'] # 订阅螺纹2001合约和燃料油2001合约
),
}AlgoPlus创建行情接口
MdApi是行情接口，使用时只需要传递账户参数创建一个实例就可以了。下面是一个完整的例子：
from AlgoPlus.CTP.MdApi import MdApi
class TickEngine(MdApi):
# ///深度行情通知
def OnRtnDepthMarketData(self, pDepthMarketData):
print(pDepthMarketData)
# print(f"{pDepthMarketData.InstrumentID}当前最新价：{pDepthMarketData.LastPrice}")
if __name__ == '__main__':
from account_info import my_future_account_info_dict
future_account = my_future_account_info_dict['SimNow']
tick_engine = TickEngine(future_account.server_dict['MDServer']
, future_account.broker_id
, future_account.investor_id
, future_account.password
, future_account.app_id
, future_account.auth_code
, future_account.instrument_id_list
, None
, future_account.md_page_dir)
tick_engine.Join()1、从AlgoPlus.CTP.MdApi文件中导入MdApi类。MdApi已对工作流程的前六步进行了封装。
2、TickEngine是MdApi的子类。TickEngine类主要实现收到行情的数据处理算法，示例只将收到的行情打印出来。
3、创建行情接口实例前，需要导入账户信息。示例的账户信息存放在同一个目录下的account_info.py文件中。
4、交易时间运行以上代码就可以将接收到的实时期货行情打印出来。
5、回调函数OnRtnDepthMarketData接收到的pDepthMarketData行情是DepthMarketDataField结构体的实例，在AlgoPlus.CTP.ApiStruct中被定义。以调用属性的方式可以获取行情任意字段的数值，例如pDepthMarketData.LastPrice表示最新价。DepthMarketDataField包括以下字段：
class DepthMarketDataField(BaseField):
"""深度行情"""
_fields_ = [
('TradingDay', c_char * 9) # ///交易日
, ('InstrumentID', c_char * 31) # 合约代码
, ('ExchangeID', c_char * 9) # 交易所代码
, ('ExchangeInstID', c_char * 31) # 合约在交易所的代码
, ('LastPrice', c_double) # 最新价
, ('PreSettlementPrice', c_double) # 上次结算价
, ('PreClosePrice', c_double) # 昨收盘
, ('PreOpenInterest', c_double) # 昨持仓量
, ('OpenPrice', c_double) # 今开盘
, ('HighestPrice', c_double) # 最高价
, ('LowestPrice', c_double) # 最低价
, ('Volume', c_int) # 数量
, ('Turnover', c_double) # 成交金额
, ('OpenInterest', c_double) # 持仓量
, ('ClosePrice', c_double) # 今收盘
, ('SettlementPrice', c_double) # 本次结算价
, ('UpperLimitPrice', c_double) # 涨停板价
, ('LowerLimitPrice', c_double) # 跌停板价
, ('PreDelta', c_double) # 昨虚实度
, ('CurrDelta', c_double) # 今虚实度
, ('UpdateTime', c_char * 9) # 最后修改时间
, ('UpdateMillisec', c_int) # 最后修改毫秒
, ('BidPrice1', c_double) # 申买价一
, ('BidVolume1', c_int) # 申买量一
, ('AskPrice1', c_double) # 申卖价一
, ('AskVolume1', c_int) # 申卖量一
, ('BidPrice2', c_double) # 申买价二
, ('BidVolume2', c_int) # 申买量二
, ('AskPrice2', c_double) # 申卖价二
, ('AskVolume2', c_int) # 申卖量二
, ('BidPrice3', c_double) # 申买价三
, ('BidVolume3', c_int) # 申买量三
, ('AskPrice3', c_double) # 申卖价三
, ('AskVolume3', c_int) # 申卖量三
, ('BidPrice4', c_double) # 申买价四
, ('BidVolume4', c_int) # 申买量四
, ('AskPrice4', c_double) # 申卖价四
, ('AskVolume4', c_int) # 申卖量四
, ('BidPrice5', c_double) # 申买价五
, ('BidVolume5', c_int) # 申买量五
, ('AskPrice5', c_double) # 申卖价五
, ('AskVolume5', c_int) # 申卖量五
, ('AveragePrice', c_double) # 当日均价
, ('ActionDay', c_char * 9) # 业务日期
]
其他
项目已在 Github 和码云上开源。
